2025年GenAI行业专题报告：基于Tokens调用量和付费变化的分析，判断AI大模型商业化的进展和应用趋势

一、国内外典型 AI 大模型 Tokens 增长趋势分析和营 收测算

2025年以来，包括谷歌、微软、字节跳动等公司的AI大模型的tokens使用量呈现出 快速增长趋势。一方面，各家开发的AI大模型性能提升和功能增强，有效拓展了各 行业客户的使用；另一方面，在经历了一段时间市场培育后，AI应用被各行业用户 采用的意愿和需求有望增强。当前，基于tokens使用量来收费的各类AI应用已给模 型厂商带来可观营收。我们以谷歌Gemini、豆包大模型和可灵AI大模型作为典型案 例，分析其tokens和用户量的增长趋势并对产品可实现的营收进行敏感性分析，从 而观察AI大模型商业化落地的趋势。

（一）谷歌 Tokens 增长归因和 Gemini 大模型营收测算

Gemini大模型功能增强推动谷歌Tokens调用量快速提升。谷歌自2023年12月推出 Gemini大模型以来，其Tokens处理量呈现快速增长趋势。谷歌月度Tokens的使用量 由2024年4月的9.7万亿提升到2025年4月的480万亿。Gemini基座大模型持续迭代， 为用户提供更准确的答案及更丰富的功能。2025年2月，Gemini 2.0 Flash多模态功 能增强、内容生成效率的提升以及调用价格的下降有力推动其tokens增速进一步提 升。另一方面，谷歌也推出了文生视频大模型Veo、语音助手Gemini Live等在特定 功能增强的大模型，进一步拓展应用场景，也给谷歌tokens的增长贡献较多。

谷歌AI Overviews的访问量自2025年2月起呈现快速增长趋势。AI Overviews是在 谷歌搜索栏下以文字的形式直接呈现出搜索结果，该功能自2023年5月份推出。随 着支持AI Overviews的Gemini大模型性能的不断升级，访问量持续增加。尤其是在 Gemini 2.0推出之后，其访问量的增速进一步提升。2025年3月-2025年5月，AI Overviews的访问量的增速达到了116%。一方面，Gemini 2.0大模型生成内容的质 量较高，在匹配用户搜索内容的相关度和精准性方面有所提升；另一方面，AI Overviews新增的AI Mode功能提供了连续问答、深度思考以及多模态能力，以更加丰富和完整的内容回答用户的问题。 我们认为，AI Overviews访问量在2月份之后的快速增长带动了谷歌AI产品和应用整 体tokens的增长。但由于AI Overviews生成的结果是免费给用户提供，因此，这部 分tokens的增加带来实际营收的规模较小。

Gemini 2.0 API定价下降，有利于谷歌AI大模型应用的拓展。在Gemini 2.0大模型 功能和性能有较大增强的情况下，Gemini 2.0 Flash的API定价也较此前版本有所下 降，其文字、图片和视频的输入价格是0.1美元/百万tokens，低于Gemini 1.5 Flash （提示词大于128K）的价格0.15美元/百万tokens；其文字输出的价格是0.4美元/百 万tokens，低于Gemini 1.5 Flash（提示词大于128K）的价格0.6美元/百万tokens。 模型成本的下降使得AI应用厂商能够以更低成本、更高效率开发高价值应用，从而 驱动AI应用的加速普及。根据interconnects.ai的数据，2025年2月，谷歌AI大模型及 相关应用月度tokens的处理量为160万亿，到2025年3月增至300万亿，2025年4月 进一步攀升至480亿。

谷歌AI产品类别丰富，多个大模型产品贡献tokens。谷歌的AI产品矩阵通过多模态技术与场景化解决方案的深度融合，构建了覆盖核心模型、内容生成及行业应用的 完整生态。在功能层面，除了Gemini基础大模型以外，视频生成大模型Veo 3、图 片生成大模型Imagen 4与语音生成大模型Iyria 2在内容生成质量方面持续提升，相 关用户规模和tokens在不断增加。在行业应用层面，Gemini Robotics与Gemma 3n 则分别聚焦机器人协作与移动端实时交互，实现技术在家庭、工作及智能设备端的 落地。面向医疗等专业场景，MedGamma可实现医疗图像识别、临床诊断等功能。

Gemini大模型处理tokens的规模在谷歌整体AI产品中占比较小。根据微软FY25Q3 财报电话会议，微软在25Q1处理了100万亿tokens。考虑到微软和OpenAI较为紧密 的合作关系，微软处理的tokens较大比例来自于ChatGPT的调用。根据SimilarWeb， ChatGPT网页端的访问量稳定在行业第一的位置；从2025年6月9日-6月15日各家大 模型的周度访问量来看，ChatGPT的12.7亿，远超过Gemini的348万。但另一方面， 微软在25年第一季度tokens的处理量却低于谷歌在2月和3月，单月的tokens的处理 量。谷歌tokens的处理量不仅来自于Gemini基础大模型，还来自Veo、Imagen、 Gemma等多模态大模型以及AI Overviews、Workspace等AI应用。由此，我们可以 推断出，Gemini大模型占谷歌整体AI产品tokens的处理量的比例较小。

基于Gemini大模型价格和Tokens处理量等信息，我们大致可以计算出2024年和 2025年Gemini大模型的商业化情况。Gemini大模型仅是谷歌AI产品其中之一，Veo、 Imagen、Lyria和Gemma等大模型处理的tokens在谷歌整体处理的tokens也占有一 定比例。另一方面，2025年2月以来，谷歌整体tokens处理量的增速在提升，这主要 是由AI Overviews访问量快速增加带来的。因此，Gemini在谷歌AI产品中占比较小。 参考图4中2024年4月-2025年4月谷歌月度tokens处理量的数据，我们假设： 1. 2024年，Gemini大模型月度tokens的处理量在25万亿-70万亿之间； 2. 2025年，Gemini大模型月度tokens的处理量在100万亿-550万亿之间； 价格方面，我们参考Gemini 1.5 Flash和Gemini 2.0 Flash的输入、输出价格。以及 考虑到在2025年2月Gemini 2.0 Flash推出之前，在该平台上使用较多的是Gemini 1.5 Flash模型，我们假设： 1. 2024年，Gemini大模型tokens的价格为0.2-0.6美元/百万tokens； 2. 2025年，Gemini大模型tokens的价格为0.1-0.5美元/百万tokens； 基于以上假设，我们对Gemini大模型2024、2025年月度营收进行敏感性分析：

从敏感性分析的结果来看，2025年Gemini大模型月度营收规模较2024年有较大幅 度的提升。相较于价格端的降幅，Tokens处理量增加的幅度更大，由此带来商业化 落地的加速。但从营收的绝对金额来看，Gemini大模型tokens带来的月度营收规模 在亿美元级别，占谷歌整体营收规模较小。因此，我们更倾向于认为，Gemini大模 型在谷歌整体AI商业化战略中的定位为生态入口较为合理，基于Gemini大模型的各 类AI应用，以及给企业用户提供Gemini大模型服务的云业务才是谷歌AI产品商业化 变现的重点。

（二）豆包大模型 Tokens 量价分析和营收测算

字节跳动多线布局AI大模型，Tokens调用量居国内AI大模型首位。根据火山引擎官 微数据，2024年5月，豆包大模型日均tokens使用量为1200亿，到2025年5月增至 16.4亿，居国内AI大模型行业首位。我们认为，公司在AI大模型实现了从模型层到 平台层再到应用层全栈布局，这是使得其调用量持续攀升的主要原因。在模型层， 主要集中在机器翻译、智能语音、视频图像和多模态四个领域；在平台层，火山引 擎发布了机器学习平台升级版，在数据管理、资源管理、流程和模型三大领域具备 核心优势；在应用层，火山方舟和豆包能提供智能创作、智能体验以及智能营销等 服务，辅助在字节的内容和娱乐体系内推动客户业务增长。

通过功能升级，豆包大模型逐步提升tokens的价格带。豆包从2024年5月推出1.0版 本，到2025年1月的1.5版本，再到2025年6月的1.6版本，tokens调用价格的价格带 逐步提升。以输入长度在32K以内的大模型的Tokens的调用价格为例，豆包1.0版本 tokens输入、输出的价格为0.3、0.6元/百万tokens。尽管豆包1.5-lite型号的tokens 的价格与其相当，但豆包1.5新推出的pro型号tokens的价格却提高到了0.8、2元/百 万tokens。相较于lite型号，pro型号的豆包大模型在知识问答、代码推理等方面的能 力有所增强。豆包1.6的普通版本的tokens的价格与豆包1.5-pro相同，但豆包1.6新 推出的thinking型号tokens的输出价格提高到了8元/百万tokens。Thinking型号的豆 包大模型在解决复杂的数据证明题和编写高难度代码模块等任务时更具优势。

基于豆包大模型价格和Tokens处理量等信息，我们大致可以计算出2024年和2025 年豆包大模型的商业化情况。豆包大语言模型仅是字节AI产品其中之一，其视频生 成模型、语音识别模型、文生图模型等在豆包大模型整体tokens的处理量中也占有 一定比例。另一方面，2025年以来，豆包大模型整体tokens处理量的增速在提升。 25年年底，豆包大模型日均tokens的调用量较大概率超过5月份的16.4万亿。参考图 8中2024年5月-2025年5月豆包日均tokens处理量的数据，我们假设： 1. 2024年，豆包大模型日均tokens的处理量在2万亿-3.8万亿之间； 2. 2025年，豆包大模型日均tokens的处理量在8万亿-17万亿之间； 价格方面，我们参考豆包1.0、1.5和1.6不同型号模型的输入、输出价格。以及考虑 到在2025年1月豆包1.5推出之前，在该平台上使用较多的是豆包1.0版本，我们假设： 1. 2024年，豆包大模型tokens的价格为0.4-2.0元/百万tokens； 2. 2025年，豆包大模型tokens的价格为1.0-3.0元/百万tokens；付费转化率方面，参考国内主流AI大模型的付费用户与整体用户的比例，我们假设： 1. 2024年，豆包大模型的付费转化率为5%； 2. 2025年，豆包大模型的付费转化率为10%； 基于以上假设，我们对豆包大模型2024、2025年月度营收进行敏感性分析：

Tokens量价齐升，2025年豆包大模型营收规模较2024年有较大幅度的提升。根据测 算结果，豆包大模型月度营收由2024年的百万级别提升到了千万级别。一方面，随 着豆包大模型功能性能的增强，其价格范围有所上升；另一方面，随着教育、智能 巡检、图片信息理解等更多场景的拓展，Tokens处理量大幅增加。

AI大模型tokens的调用带来营收的绝对金额仍然较小。从敏感性分析的结果来看， Gemini大模型的2025年月度的收入有望达到亿美元级别；豆包大模型2025年月度的 收入有望达到千万至亿人民币级别。AI大模型的收入占相关公司总体营收规模较小。 另一方面，为了支持tokens的调用，科技公司的资本开支仍维持在高位。2025Q1， 谷歌资本开支172亿美元。随着用户数量和tokens规模的增加，算力的投入需要持续， 这给科技公司短期ROI带来了一定挑战。

二、国内外 AI 大模型持续迭代，功能升级驱动 AI 应 用增长

产品功能的丰富和升级是推动AI应用增长的关键因素。以Sora文生视频大模型、o1 推理模型为代表的海外AI大模型的推出较大的拓展了应用场景。2025年以来， OpenAI o3-mini、Gemini 2.0 flash、Claude 3.7 Sonnet等海外大模型在功能和性能 上持续增强。国内厂商紧跟行业趋势，以DeepSeek R1、豆包1.6和可灵2.0为代表 的国产AI大模型实现了与海外AI大模型类似的功能，且其性能在持续提升中。AI应 用的快速增长离不开AI大模型功能的升级迭代。本章我们重点分析海内外大模型厂 商产品迭代方向和下游应用趋势。

（一）OpenAI 与谷歌在 AI 大模型商业化策略上的对比分析

1. OpenAI在技术和产品优势的基础上，推动模型商业化落地

根据Pymnts网站，OpenAI公司2024年营收37亿美元。OpenAI的CFO Sarah Friar 在2025年2月提到，OpenAI公司2025年的营收有可能达到110亿美元。2025年6月， OpenAI宣布其年化收入（annual recurring revenue）已达到100亿美元。OpenAI 收入增长的趋势一方面与其用户规模相关，另一方面与其AI大模型产品的商业化策 略相关。

OpenAI的用户规模呈现稳定增长的趋势。OpenAI推出的o3、GPT-4o等模型性能持 续提升，功能不断丰富，从而驱动其用户规模持续增长。OpenAI月活用户数量由2024 年5月的3.7亿人，增长至2025年5月的5.2亿人。根据Intelliarts的数据，截止2025年 1月，目前已有超92%的全球500强企业接入ChatGPT API，涵盖金融、医疗、制造 等核心领域，包括可口可乐、Shopify、Snapchat、PwC、Quizlet、Canva和Zapier 等知名公司。

OpenAI通过打造产品的差异化竞争优势来提升模型价格。作为AI大模型行业的引领 者，OpenAI开发的大模型实现的技术创新，往往在行业内形成较强的产品优势。在 定价策略上，OpenAI凭借技术和产品的优势定下较高的模型价格。例如，基于其高 阶推理能力的领先优势，OpenAI在24年9月推出o1大模型时定下了每百万tokens输 入/输出价格15美元/60美元的价格；25年4月推出o3模型时定下了各模型中最高的价 格，即每百万tokens输入/输出价格10美元/40美元。GPT-4o在其升级了图像生成功 能后，将每百万tokens的输出价格由此前的15美元提升至20美元。 另一方面，在OpenAI推出大模型后，其他厂商参考其训练方法，在后续一段时间研 发 并 推 出类 似 的 大模型 产 品 对 OpenAI 产 品价 格 有 一定 影 响 。例如 ， 随 着 DeepSeek-R1、Gemini 2.0以及Claude 3.7的推出，o3大模型每百万tokens输入/输 出价格降至2美元/8美元。

OpenAI通过增强ChatGPT的通用化能力，扩大应用场景的覆盖面。下游用户使用 ChatGPT频次较高的场景包括通用型的研究、科学研究代码辅助等场景。这与o1、 o3等模型在高阶推理能力方面较为突出有关。而针对企业办公场景中的邮件撰写、 商业研究、文案写作等使用频次较高的场景，ChatGPT也有较高的份额。在B端场 景中，许多员工个人使用后向公司推荐，推动了OpenAI企业业务增长，付费企业用 户数量大幅增加，OpenAI的付费企业用户由2025年2月的200万提升到2025年6月的 300万。从实际的拓展情况来看，研究类场景的使用份额超过了通用办公场景，这反 映了ChatGPT在研究类场景中更加具有不可替代性，o1、o3等模型在数学、科学和 编程等方面已形成独有的优势，形成了较大的用户群体。

OpenAI打造的多个大模型的产品矩阵，有效提升商业化落地效果。GPT-4o、o3等 大模型广泛赋能各行业客户，包括软件开发、在线旅游服务、创意设计、金融、零售等；其应用的场景包括客户服务、广告营销、产品设计、人员招聘、运营数据管 理等。从实际的使用案例来看，部分客户基于不同业务流程中的要求，采用OpenAI 多个模型来赋能。例如，Hebbia公司基于o3‑mini、o1和GPT‑4o模型构建多代理AI 平台Matrix，实现金融与法律工作的端到端自动化。OpenAI针对不同模型打造出特 色化的竞争优势，提升了商业化落地过程中的效果。

OpenAI大模型高阶推理和多模态能力持续增强。OpenAI大模型的泛化能力与其训 练的数据和算法相关。OpenAI通过调整和优化训练方法，引入了包括CoT思维链技 术、MLA多头潜在注意力技术等降低模型幻觉，提升模型的推理能力。此外，OpenAI 也尝试不同训练数据的组合，增强模型的多模态能力，拓展应用场景。o3、o4等高 阶推理能力较强的模型，增强了OpenAI在科研、软件开发、等行业门槛较高场景应 用的优势。而以GPT-4o为代表的多模态能力的增强则扩大了OpenAI应用场景的覆 盖面，包括视频类创意设计场景等。

o3大模型的工具调用功能和高阶推理能力是亮点。在o1大模型的基础上，o3大模型的高阶推理能力进一步提升。OpenAI o3大模型对于高阶的科学、数学以及编程问 题的推理测评结果中均获得了比GPT-4o更高的分数。OpenAI o3大模型在解决博士 级别的科学问题时，测评分数为83.3分，显著高于o1大模型的78.0分。此外，o3大 模型针对应用场景可自主调用ChatGPT中的各种工具，包括网页搜索、文件和数据 分析、视觉理解、代码生成、图片生成等。例如，在o3大模型解决迷宫寻路问题时， 其基于对于迷宫图片的视觉理解，生成代码来判断每一个路径选择成功的概率，最 终选择出了最佳路径。当前o3大模型的高阶推理能力已成为其在数学、物理等科学 研究领域差异化优势的关键。

GPT-4o多模态模型进一步拓展功能边界。2025年3月25日，OpenAI推出GPT-4o的 图像生成功能，能够通过原生多模态模型生成准确逼真的图像，在精准文本渲染、 多轮生成、精确遵循提示等领域具备突出优势。与基于扩散模型的DALL•E不同， GPT-4o的图像生成能力基于原生内置于ChatGPT中的自回归模型而构建，此外，原 生整合了文本、图像、代码等多模态数据，采用端到端的架构进行联合训练，使模 型能直接学习到文本描述与图像元素的对应关系等跨模态关联性。GPT-4o的图像生 成效果从“美工”级别跃升至具备“半专业”级别，有效拓展其在广告营销、影视 制作等领域的应用。

2. 谷歌以Gemini大模型作为生态入口，扩大AI工具和云业务的商业化落地

使用Gemini的开发者群体增长较快，基于研究需求使用Gemini大模型的用户群体 占比较高。截止2025年5月，使用Gemini API接口开发各类AI应用的开发者已超过 700万，是去年同期开发者数量的5倍。这不仅反映了Gemini大模型的代码能力较强， 谷歌云PaaS平台上的Vertex AI和AI Studio提供的各类AI工具和开发环境，也推动了 开发者使用Gemini。分用户类别来看，2025年，用户使用Gemini大模型较多是出于 研究的需求，这类用户占整体Gemini用户的40%；其次约有30%的用户使用Gemini 来创作文案、诗歌以及代码等；基于工作和学习目的来使用Gemini大模型提升效率 的占总体用户量的20%。基于研究目的的客户群体占比较高反映了Gemini大模型回 答内容在严谨性和精准性方面具有一定优势。

谷歌充分发挥平台能力，Gemini大模型与云端的AI工具满足用户业务需求。Gemini 大模型不仅在客户服务场景中提供基础的人机对话能力，还深入企业业务流程中， 解决实际的需求痛点。例如，零售公司Best Buy借助Gemini，可解决产品故障、重 新安排订单配送等问题；网安公司Rapid7使用Gemini优化网络安全支持流程，使案例处理时间减少30%；数据库公司Oracle将数据库服务与Gemini、Vertex AI相集成， 提升数据处理效率。我们认为，谷歌在开拓企业业务的过程中，不仅提供Gemini大 模型的生成能力，而是在充分理解企业需求痛点的基础上，结合Vertex AI平台的各 类工具，解决业务流程中的问题。

Gemini 2.0 Flash的多模态能力扩大创作和娱乐相关用户群体。与Gemini 1.5相比， Gemini 2.0 Flash新增的输出模态包括图片和文字的混合内容，以及文字转语音的混 合内容。此外，Gemini 2.0大模型可以根据摄像头中的实景以及屏幕中的内容进行 实时交互。2025年2月，Gemini 2.0 Flash向所有用户开放，并通过Google AI Studio 和Vertex AI向开发者开放API接口。我们认为，Gemini 2.0 Flash多模态的交互能力 以及高阶推理能力有效拓展了应用场景，吸引更多用户的使用，从而推动Tokens快 速增长。

Gemini 2.0 Flash是跨文本、视觉和音频端到端训练而来的新模型，所有模态的输 入和输出都由同一神经网络处理。相较于此前的多个模型协作的多模态推理形式（如 GPT-4的多模态推理需要调用三个模型），Gemini 2.0 Flash具有延迟低、输出tokens 速度较快的特点。Gemini 2.0 Flash每秒可生成263个tokens；Gemini 2.0 Flash每秒 可生成194个tokens显著高于同行业其他AI大模型。

AI大模型的代码生成、高阶推理等功能在下游应用的重要性持续提升。从下游用户 使用ChatGPT和Gemini大模型的情况来看，文字生成能力并不在下游用户的使用中 占主导地位。2025年以来，开发类需求呈现出快速增长的趋势。截止2025年5月， 使用Gemini API接口开发各类AI应用的开发者已超过700万，是去年同期开发者数量 的5倍。从ChatGPT的使用趋势我们也观察到同样的情况，2025年5月，通用型的研 究、科学研究代码辅助等场景占ChatGPT的使用比例分别为36.5%、18.4%和14.5%， 高于邮件撰写和文案写作等场景。总体而言，代码生成、视觉理解、高阶推理等能 够解决下游用户实际问题的功能在下游用户使用频次和用户数量都呈快速增长趋势。

根据SimilarWeb的数据，在各类AI大模型的应用中，2025年以来，增速最快的是 代码编程和软件开发。软件开发本身高度标准化、流程化，代码编写、测试、调试、 文档生成等环节工作量大且重复性高，AI大模型能够提升开发效率，减少人工投入。 其次，AI与开发工具的适配性较强，代码编辑器、IDE等工具可以低成本地嵌入大模 型功能，易于落地。当前，在AI大模型赋能软件的相关应用主要分为两大类，一类 是以GitHub Copilot为代表，在既有的IDE软件上加上AI代码生成功能的模块；另一 类是以Cursor为代表AI代码生成功能突出的IDE工具。

AI大模型在代码编程和软件开发场景中仍有较大提升空间。传统软件开发流程通常 包括需求分析、架构设计、编码开发、集成测试、部署维护等阶段。当前，AI大模 型在基础类算法的生成方面表现较好。但是需求分析、架构设计等任务需要的不仅仅是代码生成能力，而是深刻理解应用场景基础上，开发人员实现算法设计思路方 面的创新。对于这类具有一定创新性的任务，AI大模型表现较为一般。展望2025年 下半年，代码编译器产品正结合AI大模型功能向架构设计、逻辑设计以及诊断优化 等更多环节拓展。包括艾普阳公司的SnapDevelop和EasyDevelop等IDE产品有望结 合AI大模型的生成功能实现从代码编写到代码诊断全方位产品力的提升。

AI模型厂商和互联网公司AI大模型的商业化策略不同。我们对比OpenAI和谷歌两家 厂商AI大模型的商业化策略，可以发现明显差异。OpenAI的业务以大模型为主，较 为单一，其商业化则主要依赖于Tokens调用规模以及价格。因此，保持AI大模型在 功能和性能的绝对领先地位尤其重要。OpenAI凭借o3、GPT-4o等模型在功能和性 能上的优势，不仅可以定较高的tokens的调用价格来推动商业化，还巩固了其生态 优势和市场地位。从SimilarWeb的访问量数据来看，OpenAI的大模型日均访问量远 超过其他厂商大模型访问量的总和，领先优势明显。 而Gemini大模型的调用价格在行业中并不高，这或许与其在谷歌AI产品商业推广战 略的定位不同有关。一方面，Gemini作为效率工具，对内赋能各业务线推动产品升 级和成本节省，截止2025年5月，Gemini已应用于谷歌旗下15款用户量超5亿的产品 中；另一方面，Gemini作为谷歌AI产品商业化的入口，引导下游用户使用Vertex AI 和AI Studio中的AI工具带动云业务的商业化。根据谷歌财报，25Q1，谷歌云营收 122.6亿美元，同比增长28.1%。这与此前计算的Gemini大模型tokens调用量的营收 在亿美元级别形成了鲜明对比。我们认为，由Gemini大模型撬动整体AI相关收入的 增长或许是更符合谷歌整体AI商业化拓展的策略。

（二）字节多线布局豆包大模型，对内对外广泛赋能

2025年以来，豆包大模型在AI工具、教育和信息处理场景的Tokens的处理量快速 增加。随着豆包深度推理模型的发布，AI工具类Tokens的处理量快速增长，2025年 5月tokens的处理量较2024年12月增长了4.4倍，其中AI搜索相关tokens增长了10倍， AI编程tokens增长了8.4倍。此外，由于豆包大模型视觉理解能力的提升，K12在线 教育相关tokens增长了12倍。此外，豆包大模型在智能巡检、图片信息理解等场景 的拓展，信息处理场景的Tokens的日均处理量在2025年5月也突破百亿。

豆包大模型对内对外广泛赋能。截止2024年11月，豆包大模型已在字节跳动内部50 多个业务，包括抖音、头条等数亿DAU的产品中使用。此外，豆包大模型也广泛赋 能消费电子、汽车、金融、互联网医疗等行业客户。除了在较为通用性的场景中提 供人机对话能力，还帮助部分企业用户训练垂直领域专业大模型。例如，医渡科技 在火山方舟上基于豆包大模型进行了医疗数据的叠加训练和精调，通过继续训练提 升了医疗领域专业性。我们认为，字节AI产品的商业化落地，不仅提供豆包大模型 的生成能力，还提供火山引擎的算力服务和AI工具等，满足不同行业用户的定制化 需求。

国内Tokens的调用量正逐渐由大语言模型转向多模态模型驱动。从Tokens使用的 情况来看，2024年，Tokens的调用量仍然以大语言模型、文本类的能力为主。自 2024Q4起，语音类模型调用量也开始增长。预计到2025年，图像、视频类大模型 的调用量将快速增长。在这样的趋势下，AI大模型产品品类丰富，多线布局的公司 有望获得市场先机。以字节跳动为例，其开发的豆包大模型家族提供了包含自然语 言、语音、视觉等多类型的多模态模型，可灵活应用于To B/To C各种业务场景。在 平台方面，火山方舟提供模型精调、推理、评测等全方位功能与服务，帮助企业定 制化落地大模型。火山引擎还通过HiAgent、扣子等AI应用开发平台，支持企业灵活 开发行业垂直智能体应用。

总体而言，随着国内大模型性能持续提升，产品矩阵逐步完善，以豆包为代表的国 内AI大模型调用量快速增长。下游客户对国内AI大模型的接受程度呈明显上升趋势。 在此基础上，文生图、文生视频等大模型的进展较快，能力边际向好，有望助力AI 应用的拓展。

（三）国内视频生成类 AI 大模型持续迭代，可灵 AI 用户规模快速提升

视频生成AI大模型用户规模快速增长。随着扩散模型和Transformer模型技术的逐渐 成熟，国内外视频生成类大模型持续迭代。2024年2月，OpenAI发布首款视频生成 模型Sora，可实现一分钟时长视频的自动生成。2024年6月，快手也推出了视频生 成类AI大模型可灵。根据快手官网，可灵AI自2024年6月上线至2025年4月的10个月 时间里，月活用户数量增长25倍，全球用户规模已突破2200万。这些用户在可灵AI 的平台上创作了1.68亿个视频和3.44亿张图片。根据SimilarWeb的数据，2025年以 来，可灵AI在全球视频生成大模型中的访问量居全球首位。

功能提升和性能优化是可灵AI大模型用户量、使用量快速增长的主要原因。自2024 年6月，可灵AI发布并同步上线“文生视频”和“图生视频”功能，至2025年4月， 可灵AI累计完成迭代超20次。2025年4月，快手发布的可灵2.0，采用了Multi-modal visual language（MVL）技术，让用户能够结合图像参考、视频片段等多模态信息， 将身份、外观、风格、场景、动作、表情、运镜在内的多维度复杂创意，高效地传 达给AI，从而实现在语义响应、动态质量、画面美学等方面的生成效果显著提升。

可灵AI大模型采用预付费的会员制进行收费。可灵AI提供“预付费资源包”的形式 收费。具体而言，用户购买含固定积分数量的资源包，积分可用于文生视频、图生 视频等API能力调用，并按实际生成视频的模型版本、规格扣减对应积分。自2024 年6月的可灵1.0到2025年4月的可灵2.0，会员包的收费价格有所提升。以高级会员 为例，2024年6月，可灵1.0的钻石会员收费333元/月，可生成800个视频。而2025 年4月，可灵2.0的套餐三收费1.6万元/月，可生成20000个视频（可灵V1模型）。一方面，随着算法的优化，模型成本的降低，单条视频生成收费的价格有所降低；另 一方面，由于用户生成视频数量和频次的增多，会员费的价格有明显提升。

可灵AI生成视频的价格随着生成时长和生成质量的提升而增加。以生成5秒时长的视 频为例，可灵V1模型标准版收费1元，可灵V1.5模型标准版收费2元，可灵V1和V1.5 高品质版收费3.5元，可灵2.0模型大师版收费10元。此外，10秒的视频生成的费用 通常是同规格5秒视频生成费用的2倍。单条视频的定价较为精细化，不仅满足不同 用户群体的实际需求，也凭借更好的生成质量和更长的时长来提升视频生成的整体 价格范围。

AI文生视频技术仍有较大提升空间。从生成内容质量来看，视频模型的生成能力好 坏体现在三个维度：第一，准确性，即判断生成的视频内容是否和输入的prompt或 图片匹配，符合用户预期；第二，一致性，即生成的视频中的主体、背景和运动是 否有连贯性，是否符合真实世界的物理规律；第三，信息丰富度，即在一段时间内 生成的视频是否能够呈现足够的故事性。从生成时长来看，当前生成视频的时长普 遍较短，大部分在几秒到两分钟以内，等待时间比较长。后续随着AI大模型生成内 容质量和时长的提升，其有望向影视创作、广告营销、游戏开发等更广阔领域场景 拓展，扩大下游用户覆盖面。

随着单条视频生成价格的下降，商业化落地有望加速。当前各厂商开发的视频生成 大模型的算法框架还存在显著差异，包括扩散模型、自回归模型、VAE叠加等。相 较于大语言模型，视频生成类大模型发展的时间较短，算法方面仍有较大进步和发 展的空间。后续随着算法的优化以及数据工程的创新，视频生成大模型的成本有较 大降低的空间。2025年6月，MiniMax发布的海螺2.0的价格，较Runway、Seedance 等竞品进一步降低。后续随着视频生成价格的下降，相关产品商业化的节奏有望加 快。

视频生成大模型的功能持续升级迭代，深化应用场景的融合。相较于文字和图片的 生成功能，视频的生成是结合了文字、图片、音频等多种模态，对模型的功能性要 求更高。当前，各厂商开发的模型以“文生视频”和“图生视频”为主。而在实际 的视频设计的过程中，专业的设计者往往需要对音效、镜头角度、画面色调等细节 进行编辑。部分厂商在视频生成的基础上，针对用户对于细节编辑的需求，拓展了 新功能。例如，2025年6月，万兴科技发布的天幕音视频大模型2.0，推出的“文生音效”和“运镜控制”等功能，较好的满足了在影视创作场景的专业化需求。我们 认为，在创意设计行业深耕多年的公司充分了解用户的需求痛点，在此基础上拓展 的新功能已经形成产品的差异化竞争力，有望提升用户付费意愿，从而打开商业化 空间。

（四）AI 大模型幻觉持续下降，B 端 AI 应用的接受度有望提升

生成内容的“幻觉率”是决定其能否在更多垂直领域落地的关键指标。不同行业对 于AI大模型幻觉率的接受程度不同。在医疗领域，其与生命安全密切相关的行业特 殊性决定了医疗行业用户对幻觉容忍度较低；在制造业领域，生产制造环节对于数 据精度的高要求也使得该行业客户对幻觉的容忍度较低。我们认为，AI幻觉是导致 AI大模型较难在医疗、制造业等领域应用的主要原因。采用过程监督的强化学习或 某一特定领域数据训练等方式有效降低AI大模型的幻觉，幻觉率下降到一定程度后， 有望拓展和深化各行业应用场景。

AI大模型生成内容的“幻觉”持续下降。根据测评机构SuperCLUE的数据，深度求 索公司25年5月28日推出的DeepSeek-R1-0528较25年1月2日推出的R1大模型的幻 觉比率下降了7.16个百分点，降低至13.86%。且新版DeepSeek-R1在文本摘要、阅 读理解、多问本回答和对话补全四个基准任务上的幻觉现象均有不同程度的改善。 其中，文本摘要和阅读理解任务的幻觉率降低最为显著，分别降低了9.27%和14.49%。 随着训练路径与模型架构的不断优化，各大模型“幻觉”有望持续下降，这为国内 大模型在各场景的商业化拓展奠定了较好的基础。

训练方法的优化和数据的丰富是AI大模型“幻觉”下降的主要原因。自2023年以来， 各家厂商尝试了多种方法来降低AI大模型的幻觉。RLHF（基于人类反馈的强化学习）、 MoE（混合专家）架构等新的训练方法的采用有效降低了AI大模型的幻觉，在通用 问题方面的回答效果显著提升。而针对部分专业性较强的场景，基于垂直领域数据 进行再训练也取得了较好的效果。但短期内，各类方法的尝试可以减少和缓解AI大 模型的“幻觉”的出现，而难以根除“幻觉”。因此，各类AI应用拓展的节奏，不 仅取决于AI大模型本身技术的进步，也要根据各行业、各场景对于模型“幻觉”的 容忍度而定。

大模型幻觉缓解方法各有优劣。大模型幻觉的缓解方法较为丰富，但也存在一些局 限性。MoE方法涵盖从模型初始结构、模型训练与微调过程、模型后处理方法等各 个方面，灵活且多样，并易于根据不同幻觉成因进行迭代优化。但MoE同样也有一 些局限性，包括缺乏一定的解释性以及难以平衡生成性能和幻觉水平等。基于某一 特定领域的数据来微调模型尽管通过提高数据集质量的方式减少了幻觉，但其需要 根据每一个任务单独找到高质量的数据集，缺乏各行业的通用性。我们认为，在模 型训练的过程中，开发人员或可将多种缓解大模型幻觉的方法结合，在不同级别、 不同阶段来采用合适的方法或许可以达到降低模型幻觉的最佳效果。

在通用AI大模型基础上，针对医疗领域数据进行再训练已体现出较好的幻觉缓解效 果。传统的AI大模型因医疗场景数据匮乏、知识可信度低等缺陷产生“幻觉”，易 导致错误推断，因而难以满足病诊疗需求。2025年2月，北京协和医院与中国科学 院自动化研究所共同研发的“协和·太初”罕见病大模型正式进入临床应用阶段。 该模型的训练数据包括罕见病知识库和基因检测等专业数据。此外，该模型也引入 了主动感知交互、“数据+知识”混合驱动以及DeepSeek-R1的深度推理能力，能 有效抑制AI幻觉。 我们认为，缓解AI大模型幻觉的方法较多，对于专业门槛较低，数据获取难度较小 的行业而言，采用过程监督的强化学习或能有效降低AI大模型的幻觉；对于专业性 较强，数据难以通过公开渠道获得的行业而言，基于该特定领域的数据再训练是降 低AI大模型幻觉的有效方法。

三、海外公司 AI 应用商业化路径为行业树立标杆

从当前海外AI大模型商业化的进展来看，以AppLovin、Palantir和Duolinguo为代表 的公司通过采用AI技术已经取得业绩高速且可持续的增长。SAP和Salesforce的AI 产品的应用场景持续拓展，落地速度加快。尽管其应用的领域有所差别，但海外公 司结合多年的行业经验，推出适合各自应用场景的AI产品，且探索出了较好的商业 模式。这一路径是值得我们国内AI应用公司借鉴的。接下来，我们重点分析Palantir、 SAP、Salesforce、AppLovin和Duolinguo五家公司的技术、产品和商业化路径。

（一）Palantir

Palantir于2023年推出AIP (Artificial Intelligence Platform)，为大型机构提供了一个 能够基于LLM快速构建、应用AI产品并实现运营成果转化的平台。AIP可以与Foundry、 Gotham等现有Palantir产品相结合，通过AI技术和大数据分析，帮助企业基于海量 的历史数据，自动生成智能报告、推演未来场景，为企业提供智能化的决策支持。 在制造业中，AIP则能够结合企业内部数据和外部市场信息，提供市场趋势预测、客 户行为分析等高附加值信息。例如，能源公司可能通过Palantir的Foundry平台整合 生产数据、供应链数据以及外部的气候和市场变化数据。Palantir不仅能从这些信息 中揭示出能源生产的最佳时间，还能预测未来的能源需求波动，帮助企业合理调配 资源。此外，在军事领域，AIP可以通过实时情报生成行动建议，并对不同方案进行 模拟推演，适用于各种复杂作战环境，帮助指挥官做出战略决策。

Palantir的人工智能平台AIP推出后化为新增长引擎，大幅提升公司关键数据表现。 公司于2023年4月推出AIP平台后，收入和净利润数据在FY23Q2之后加速增长。 25Q1，公司收入达8.8亿美元，同比增长39%。收入增速在FY23Q2出现拐点， FY23Q2至FY25Q1分别为13%/17%/20%/21%/27%/30%/36%/39%。净利润方面， FY25Q1净利润达2.1亿美元，同增102.8%。

（二）SAP

SAP 的 Business AI 解 决 方 案 可 分 为 AI Foundation + Embedded AI / Customized AI + Joule三层。具体而言，①AI Foundation基于SAP BTP（业务技 术平台）所开发，为开发者提供标准化可复用的AI开发工具链，降低企业自建AI的 门槛；②Embedded AI直接嵌入云ERP、供应链管理等SAP现有核心产品，直接提 供AI功能，无需额外开发，快速实现降本增效；③Customized AI通过Generative AI Hub实现灵活扩展，支持企业根据需求定制AI解决方案；④智能助手Joule则可以通 过自然语言交互简化复杂系统操作，目前已经渗透80%高频任务。此外，生态方面， 通过与Anthropic、Cohere、Meta等AI大模型厂商以及AWS、Google、Microsoft等 云厂商建立良好的合作关系，赋予开发者灵活调用前沿模型的能力。

1. AI Foundation：降低开发门槛，加速企业AI应用落地

AI Foundation基于SAP BTP（Business Technology Platform，即业务技术平台） 而构建，作为Business AI的技术底座，为开发者提供构建、扩展和运行AI解决方案 的全套工具服务。AI Foundation 提供了表格数据处理和文本处理等预置AI服务，以 及AI生命周期管理（提供多模型支持，覆盖模型训练、部署、监控及迭代）、数据 集成与语义理解（向量引擎、知识图谱）等核心能力，可以降低AI开发门槛，加速 企业级AI应用落地。

2. Embedded AI：预置AI能力解决业务问题，开箱即用

Embedded AI将AI功能预置到云ERP、供应链管理、人力资源管理、支出管理、客 户关系管理等SAP现有核心产品中，用户无需额外开发即可通过标准化模块使用AI 功能。例如，人力资源管理人员可通过预置的AI功能进行薪酬方案指导并保持团队 积极性。

3. Joule：AI智能助手，帮助用户与系统高效交互

用户可以通过自然语言直接与AI智能助手Joule进行对话，并实现复杂业务操作。例 如，销售人员询问“某客户的销售订单交付是否延迟”，Joule可以自动调取ERP系 统数据并关联供应链生成订单状态报告。此外，Joule内置权限控制与数据溯源功能， 保证响应结果精准可靠且合规。根据SAP官网材料，Joule目前已覆盖超80%的SAP 高频业务流程，大幅提升员工效率，逐渐成为企业实现对话式业务管理的核心入口。

SAP AI应用场景持续拓展，落地速度加快。根据SAP 24Q4及25Q1财报电话会议， SAP已交付超130个生成式AI用例，Joule AI助手具备1300余项技能。提效方面， Joule工具为顾问每天节省多达90分钟时间，开发者效率提升30%。规模化应用方面， 渣打银行已为8万名员工部署Joule，体现了AI在企业级场景的落地能力。24Q4，50% 的客户交易中已经包含AI应用，AI成为客户签约的主要价值驱动因素。 AI业绩短期贡献有限，价值或在中长期内释放。根据SAP财报电话会议，24Q2，20% 的交易中包含AI应用场景，而在24Q3，30%的云订单包含AI用例。我们假设全年约 25%的云收入中包含AI应用，以及AI功能营收贡献率大约为10%，可粗略测算得出 2024年AI贡献收入为4.29亿欧元（2024年AI贡献收入=2024年云收入×AI合同占比 ×AI贡献率=171.4亿欧元 ×25% ×10% = 4.29亿欧元），约占2024年云收入的2.5%， 总收入的1.2%，短期贡献较为有限。但考虑到AI功能对于客户续费率提升以及促进 交叉销售带来的间接价值，以及目前AI收入分散在云套餐、行业解决方案等细分项， 测算相对保守，实际贡献可能更高。

作为全球企业软件巨头，SAP入局AI是一种必然选择，我们总结其核心优势主要包 括：①ERP系统复杂，细分场景多样，SAP通过几十年沉淀的行业know-how和企业 业务流程数据，能帮助客户进行数据重构+场景梳理，使得复杂的业务场景数据能够 进行有效转化；②SAP保持开放生态，通过与客户进行行业解决方案的共创，客户 贡献应用反馈，能够形成产品迭代闭环；③研产供销服等企业系统间存在数据孤岛， SAP具备平台化优势，可以整合企业内外部多源数据，使得AI不再停留于单点工具， 而实现跨部门任务编排。

（三）Salesforce

从传统AI能力构建到生成式AI创新，AI能力逐步深化。2016年，Salesforce便已推 出了Einstein，为核心应用提供AI驱动的功能增强，但主要侧重传统AI的预测与自动 化。2018年，推出Einstein Bots用于构建智能客服机器人，处理客户服务咨询。2023 年以来，又相继推出基于生成式AI的Einstein GPT、Einstein Copilot Studio、Einstein Copilot和Agentforce等，其中Einstein GPT集成在CRM中，可以帮助提升营销、销 售效率，而Agentforce用于创建AI Agent并自动化客服和销售等任务。 推出Agentforce2.0构建“无限数字劳动力”。2024年12月，Salesforce推出 Agentforce 2.0，定位为企业的数字劳动力平台，通过AI Agent为各部门提供自动化 支持。Agentforce 2.0核心在于结合增强推理引擎、预置技能库及跨系统集成能力， 为企业打造可定制、可扩展的“无限劳动力”，帮助其优化效率并释放增长潜力。

Atlas推理引擎作为核心大脑赋能Agentforce 2.0，帮助检索数据并进行推理执行。 首先，Atlas推理引擎可进行分层问题处理，简单问题采用基础推理快速响应，而复 杂问题则通过高级数据检索器优化查询，并结合Data Cloud中相关数据和上下文元 数据来改进答案。其次，Atlas推理引擎将通过各种工具和资源来评估自身响应和循 环，形成“代理循环”，使其能够为各类请求提供经过验证的解决方案。此外，Data Cloud通过使用Salesforce平台的元数据来丰富RAG块，使得Agentforce能够在非结 构化内容中快速查找相关信息，提升复杂请求的准确性与业务适配性，并通过内联 引用标注答案来源，增强用户对AI决策的信任。 数据整合及分析能力是Agentforce的亮点之一。Data Cloud使得AI Agent能够实时 连接企业内部系统和外部数据湖，并且构建统一的配置文件以及保护敏感信息，满 足企业对数据的安全要求。同时，AI Agent可以访问Salesforce平台的元数据（字段、 标签、自动化规则等），实现对于工作流的精准调用。Prompt Builder则允许客户构 建定制化提示模板，这些提示可以提供代理工作所需的确切数据，AI Agent可以使 用这些提示通过RAG（检索增强生成）技术实时查找和检索数据。

以使用Agentforce搭建招聘Agent场景为例，具体步骤可分为：①定义Agent的角 色、所负责的工作内容以及工作目标，比如告诉系统“你是一名招聘官，通过邮件与候选人沟通、回答常见问题、收集预筛选条件、安排面试等”。②定义需要Agent 介入的各类场景（Topics），如数据分析、联系候选人、面试预约等，配置相关核 心功能。③在不同场景的核心功能下配置详细子功能和具体操作指令。④选择Agent 的部署应用和接入通道，比如Slack、电子邮件等。⑤添加公司内部相关数据源，如 公司简介、岗位说明、面试反馈等内容，以丰富Agent知识库。⑥完成以上设置即可 得到招聘Agent，能通过所选渠道自动接收简历、预筛选候选人、安排面试，实现端 到端的智能招聘流程。

灵活计价，商业落地初见成效。Salesforce为Agentforce推出了一种灵活的定价模式， 每次对话2美金，并为高频使用的客户提供标准量级折扣。这种按量收费的模式使得 企业只需为实际使用的服务付费，无需承担固定的订阅费用。对于中小型企业或对 AI技术尚处于试用阶段的企业而言，降低了投资风险。商业进展方面，根据Salesforce 财报电话会议，仅FY25Q4单季度便获得超3000名付费客户并签署超3000笔交易， FY25全年，与Data Cloud和AI相关的年度经常性收入达9亿美元，同增120%。

（四）AppLovin

AppLovin推出基于AI大模型的广告投放引擎AXON 2.0。Applovin为各类企业提供 端到端的软件平台和AI驱动的解决方案，帮助其在全球范围内实现用户触达、变现 和增长。公司专注于解决广告商在营销和变现中的关键挑战，通过技术和大规模分 发能力帮助广告商精准触达目标受众。同时，通过深度整合AI技术，精准优化广告 投放，提升广告创意效率。2023年，AppLovin基于AI大模型推出了升级版的AXON 2.0广告引擎，通过实时数据分析与预测模型优化广告效果，能够在广告投放过程中 自动优化广告定位、竞价与内容匹配，从而提升转化率和用户参与度。这种AI驱动 的广告优化可以帮助显著降低成本，同时提升广告投放的ROI。

AppDiscovery和SparksLabs为企业实现了用户获取与广告投资回报双赢。例如， DealDash利用该平台提升了广告效率，用户获取规模翻倍，并将单次购买成本降低 22%，成功突破季节性限制；Mode Mobile则借助平台的漏斗事件优化功能，将D90 ROAS提升93%，并降低27%的CPE成本，成功获取高价值用户。此外，AppLovin 内部创意机构SparkLabs全面采用生成式AI技术来优化广告创意流程，能够在极短的 时间内创建和测试多种广告素材，大幅提高创意产出的效率和质量。通过生成式AI， SparkLabs能够实时调整广告内容，以响应市场趋势和用户反馈。例如，系统可以 自动生成多样化的广告素材，并根据广告表现数据进行优化，从而持续提升广告效 果。

AppLovin FY25Q1业绩表现亮眼。FY25Q1，AppLovin收入达到12亿美元，同增39%； 净利润达4.34亿美元，同增300%。其中软件平台业务收入同增65.56%，达到8.35 亿美元，主要得益于AI驱动的Axon引擎2.0的持续优化，显著提升了广告投放效率。 此外，公司正加速开拓电子商务领域，预计将为未来业绩提供新的增长点。AI大模 型技术的应用不仅帮助提高了广告投放的效率，还拓展了电商和联网电视等新兴市 场的机会，推动了整体业务的增长和盈利能力的提升。

（五）Duolinguo

Duolinguo结合多模态功能，将AI的交互形式由文字提升至实时视频通话，有效提 升活跃用户与付费群体规模。2023年3月，语言教育公司Duolinguo推出了Explain My Answer、Roleplay两项AI功能。Explain My Answer通过聊天机器人Duo根据用户的 疑问和学习情况针对性地解答题目、并提供拓展性的相关知识点和示例，Roleplay 提供模拟场景让用户与AI角色实时对话、并给予反馈意见。以上两个功能都是以文 字形式交互为主。后续随着多模态能力的增强，在2024年9月，公司推出的AI视频通 话功能Video Call with Lily，更加贴近自然对话场景，显著带动了公司流水和付费用 户的增长。根据Sensor Tower，24年12月多邻国App的月流水达到峰值7830万美元， 同比增长42.5%。根据Duolinguo业绩会，截至24Q4，MAX订阅用户约占总订阅用 户的5%，24Q4整体用户订阅单价达到8.71美元/人/月，环比提高23%。

AI功能显著提升Duolinguo用户数量和订阅收入。从2023年的Explain My Answer 功能到2024年的Video Call with Lily功能，Duolingo公司不断升级AI应用功能推动公 司活跃用户数量和订阅收入持续增长。截至25Q1，多邻国的付费订阅用户约1030 万人，同比增长39.2%，带动25Q1公司的订阅收入快速提升。25Q1，Duolinguo订 阅收入为2.3亿美元，同比增长43.8%。

海外公司采用AI技术实现商业化较好的突破，树立了行业标杆。尽管中美在AI技术 商业化环境方面有所差异，但AI大模型技术商业化的趋势是一致的。AppLovin、 Palantir和Duolinguo等公司通过采用AI技术已经取得业绩高速且可持续的增长。 SAP和Salesforce的AI产品的应用场景持续拓展，落地速度加快。这反映了各行业、 各场景的下游客户愿意为AI大模型技术带来的降本增效的商业价值付费。在AI大模 型功能持续增强、幻觉不断降低以及成本持续降低的趋势下，AI应用商业化的节奏 有望加快。

编辑：火腿肠